Eu escuto sempre a mesma história: a pessoa recebe de volta o PDF da bioquímica do laboratório, abre o ChatGPT, anexa o arquivo e digita “explique isso”. Um minuto depois, o modelo devolve uma resposta cheia de confiança — às vezes útil, às vezes completamente equivocada. Nos dois casos, o paciente sai com a sensação de ter “entendido tudo”.
Esse cenário me preocupa, e não porque eu construo uma IA médica para viver disso. Preocupa porque a minha formação acadêmica é em ciência cognitiva e na arquitetura de modelos de linguagem, e eu entendo exatamente o que esses sistemas não conseguem fazer. O ChatGPT é uma excelente ferramenta de uso geral. Mas, entre “excelente” e “adequado para interpretar os seus exames”, existe um abismo em que pessoas instruídas e cuidadosas caem todos os dias.
Neste artigo, quero te mostrar — sem pânico, sem hype e sem marketing — como os modelos de linguagem de uso geral realmente funcionam, por que eles têm dificuldade justamente em contextos médicos e em quais cenários ainda são genuinamente úteis. No caminho, vou explicar o que fazemos de diferente no Wizey e por quê.
A versão curta, sem tecnicismos, se você não for ler mais nada: um modelo de uso geral como o ChatGPT é um generalista erudito — seu conhecimento é amplo como o mar e raso como uma poça, costurado a partir de tudo o que ele leu, de artigos revisados por pares a discussões no Reddit. Ele consegue associar brilhantemente “colesterol alto” a “doença cardíaca” porque viu essas palavras juntas um milhão de vezes — mas isso é uma correlação estatística, não uma via fisiológica. Um sistema médico especializado se comporta mais como um especialista: ele trabalha a partir de um mapa estruturado de relações médicas — a ideia por trás de um grafo de conhecimento médico — em vez de um mar plano de texto. E ele é construído para cobrir a última milha: o passo da informação bruta até uma ação concreta — quais um ou dois resultados realmente merecem discussão, qual especialista procurar e o que perguntar na sua consulta. O ChatGPT, mesmo quando acerta nos fatos, quase sempre para num genérico “consulte um médico”.
LLM de uso geral vs. IA médica especializada: a distância arquitetural
O ChatGPT é um grande modelo de linguagem (LLM) de uso geral, treinado para prever o próximo token sobre um corpus enorme de texto da internet. Ele sabe um pouco de tudo — de receitas de borsch à cromodinâmica quântica. Do ponto de vista arquitetural, a medicina é simplesmente mais um domínio entre muitos. Nada no design do modelo privilegia o raciocínio clínico.
Uma IA médica especializada é construída de outro jeito. Não é um único modelo — é um pipeline: reconhecimento do documento (OCR), parsing rigoroso de cada marcador do exame para um objeto estruturado, validação contra os valores de referência e as convenções de unidades e, só então, um módulo analítico que compara os dados com as diretrizes clínicas. Na última etapa, usamos a Geração Aumentada por Recuperação (RAG), a técnica descrita pela primeira vez no clássico artigo de Lewis et al. (2020). RAG significa que o modelo não responde “de cabeça” — ele recupera fragmentos relevantes de uma base de conhecimento verificada e raciocina sobre eles.
A distinção-chave: um modelo de uso geral gera uma resposta; um sistema médico especializado recupera e compara com dados estruturados. O primeiro pode ser criativo e estar errado. O segundo é obrigado a ser preciso e previsível. Na medicina, criatividade é um antipadrão.
Lost in the Middle: o problema real, não uma “janela de contexto pequena”
Um dos mitos mais persistentes sobre o ChatGPT é o de que ele “não dá conta de laudos longos porque a janela de contexto é pequena demais”. Em 2026, isso simplesmente não é mais verdade. Os modelos de fronteira da classe GPT hoje têm janelas de contexto de cerca de 1 milhão de tokens; os modelos da linha Claude Opus, da Anthropic, e o Gemini 3.x, do Google, também operam na escala de um milhão de tokens. Um PDF de exame de cinco páginas cabe com folga enorme.
O problema real tem nome: Lost in the Middle. Ele foi descrito em detalhe por Liu et al. (2023, Stanford). Quando você entrega um contexto longo a um LLM, o modelo é excelente em extrair informação do começo e do fim, mas sua precisão “afunda” no meio. Se você traçar a precisão pela posição, a curva tem forma de U — alta nas pontas e com um vale no meio. Isso vale até para modelos com janelas de um milhão de tokens.
O que isso significa para os seus exames? Se um PDF de cinco páginas coloca um marcador crítico — digamos, uma proteína C reativa elevada — na terceira página, bem no meio do prompt, um modelo de uso geral tem uma chance consideravelmente maior de simplesmente não “enxergá-lo” ao raciocinar. Não é esquecer que ele existe, mas dar-lhe peso de menos na conclusão final. Para um texto criativo, isso é invisível. Para a bioquímica, é uma inflamação sistêmica que passou despercebida.
No nosso sistema, contornamos esse efeito na arquitetura. Os dados são primeiro extraídos para uma tabela rígida, e só essa tabela é entregue ao módulo analítico. O Lost in the Middle se comporta de forma muito diferente numa tabela estruturada de 30 linhas do que em cinco páginas de texto corrido.
E, como a pergunta mais comum dos usuários é “quantos marcadores dá para enviar de uma vez”, vou ser concreto. O Wizey processa com frequência PDFs com 80, 100, até 150+ marcadores de uma única visita — bioquímica, hormônios, hemograma completo, painel de coagulação, perfil lipídico e imunograma, tudo de uma vez. Cada número entra na análise, e o módulo analítico procura relações entre todos os grupos em paralelo: como o TSH se relaciona com o colesterol, como a ferritina deve ser lida à luz da proteína C reativa, como a glicose interage com os triglicerídeos e a insulina, como uma variação de dois anos na creatinina se combina com a tendência da pressão arterial. Um LLM de uso geral não vai construir essa teia de relações — ele fisicamente não consegue manter dezenas de parâmetros independentes em foco e compará-los entre si sem uma representação estruturada.
Alucinações: por que a medicina é o pior domínio para elas
Os grandes modelos de linguagem alucinam — produzem informações redigidas com confiança que não existem nem nos dados de treino nem na realidade. Isso não é um defeito; é consequência direta de como funciona a previsão probabilística de tokens. O modelo é otimizado para a plausibilidade, não para a verdade.
Na maioria das tarefas, isso é aceitável. Se o ChatGPT inventa uma função inexistente numa biblioteca obscura, o programador recebe um erro de compilação e corrige. Se erra a data de um filme, ninguém se machuca.
Na medicina, o custo é outro. Um bot pode “lembrar” com confiança de valores de referência que não existem. Pode sugerir uma relação entre dois marcadores que nunca apareceu na literatura. Pode indicar um medicamento que alivia um sintoma e omitir uma contraindicação que o modelo “não considerou”. E tudo isso é entregue com o mesmo tom calmo e seguro de uma pergunta sobre a capital da França.
Os sistemas especializados resolvem isso com barreiras rígidas (guardrails): o módulo analítico raciocina apenas dentro de diretrizes clínicas pré-carregadas. Se não há regra, o sistema responde “dados insuficientes” em vez de inventar uma.
Privacidade: o que acontece com o seu PDF depois que você o envia ao ChatGPT
Essa é a parte em que quase ninguém pensa. Quando você envia um laudo laboratorial para uma conta gratuita ou Plus do ChatGPT — o que realmente acontece com esse arquivo?
Segundo a política atual da OpenAI, as conversas nos produtos de consumo (ChatGPT Free, Plus, Pro) podem, por padrão, ser usadas para melhorar os modelos. Você pode desativar isso manualmente nos controles de dados, ou usar o Temporary Chat — mas a maioria dos usuários não faz isso. Nos planos corporativos (Team, Enterprise, API), os dados não são usados para treino por padrão, mas o usuário final típico não está nesses planos.
Um laudo laboratorial costuma conter: seu nome completo, data de nascimento, às vezes um endereço, número do convênio ou da apólice, o nome do laboratório e do médico solicitante. Sob os marcos regulatórios da HIPAA (EUA) e do GDPR (União Europeia), esses são dados pessoais de saúde de categoria especial (chamados de Protected Health Information, ou PHI, nos EUA, e de “dados de categoria especial” no Artigo 9 do GDPR). Hospitais, clínicas e serviços regulados pela HIPAA são obrigados a tratar esses dados sob os chamados Business Associate Agreements; um produto de chat de consumo não tem essa obrigação com um cidadão comum que envia o próprio arquivo. Formalmente, o paciente não infringe nenhuma lei — você está exercendo controle sobre os seus próprios dados —, mas também não tem nenhuma visibilidade sobre o que acontece depois.
Não estou defendendo a paranoia. A maioria das pessoas envia seus exames e a vida segue. Mas, se a privacidade médica importa para você nem que seja um pouco, esse é um argumento real para usar serviços que funcionam em um ambiente protegido e descrevem em linguagem simples o que fazem com os seus arquivos.
Quando a IA de uso geral é especialmente perigosa
A situação mais perigosa de todas não é um marcador isolado — é o caso em que você precisa enxergar a relação entre dezenas de parâmetros e entender o contexto clínico. Algumas armadilhas típicas:
- Painéis grandes (15+ marcadores de uma vez). O Lost in the Middle entra em ação: o modelo comenta com confiança as primeiras e as últimas linhas, mas deixa passar as mudanças sutis, porém importantes, do meio.
- Marcadores tumorais. A intuição “acima da faixa = ruim, dentro da faixa = tudo bem” simplesmente falha. Muitos marcadores tumorais sobem em processos benignos, e muitos pacientes com tumores confirmados têm valores dentro da faixa de normalidade. Os modelos de uso geral tendem a produzir respostas padronizadas que ou assustam você sem motivo, ou tranquilizam você falsamente.
- Ferritina lida isoladamente da inflamação. Uma armadilha clássica: o ChatGPT vê a ferritina elevada e diz “você está com ferro em excesso, coma menos carne vermelha”. Mas a ferritina é uma proteína de fase aguda, e sua elevação muitas vezes reflete inflamação sistêmica, e não os estoques de ferro. Sem olhar ao mesmo tempo a proteína C reativa e o hemograma, ler aquilo como “sobrecarga de ferro” é um erro.
- Exames pediátricos. Nas crianças, os valores de referência mudam conforme o mês de idade. Os modelos de uso geral “misturam” com frequência as faixas de adulto, e os pais recebem ou um alarme falso, ou uma falsa tranquilização.
Comparação nos parâmetros que importam
O quadro completo, condensado numa tabela:
| Parâmetro | ChatGPT de uso geral | IA médica especializada (Wizey) |
|---|---|---|
| Arquitetura | Um grande LLM, resposta generativa | Pipeline: OCR → parsing → RAG sobre diretrizes clínicas |
| Precisão na extração de números | Média, piora no meio do documento (Lost in the Middle) | Garantida — cada marcador convertido em um objeto estruturado |
| Defesa contra alucinações | Mínima, resposta otimizada para a plausibilidade | Barreiras rígidas, resposta limitada por protocolos |
| Volume de dados suportado | Piora em painéis grandes | Estável em 100+ marcadores por visita |
| Descoberta de relações | Padrões gerais, sem garantias | Cruzamento sistemático entre todos os grupos |
| Dinâmica de vários anos | Não é acompanhada entre sessões | Tendências e comparação entre visitas |
| Encaminhamento ao especialista | Genérico (“procure um médico”) | Baseado em algoritmos clínicos específicos |
| Privacidade para o usuário | Os dados podem entrar em conjuntos de treino, servidores globais | Ambiente protegido, tratamento de dados explícito |
| Melhor caso de uso | Explicação de termos, tradução, perguntas gerais | Interpretação de exames, preparo para a consulta, acompanhamento da evolução |
Um passo a passo para quem acabou de receber os exames
A versão curta: não pesquise os marcadores um a um no Google, e não cole tudo no primeiro chatbot que aparecer. Trabalhe de forma sistemática.
- Não entre em pânico. Os valores de referência são a faixa que engloba cerca de 95% das pessoas aparentemente saudáveis. Por definição, cerca de 5% das pessoas saudáveis ficam fora dela. Um valor fora da faixa é um convite a investigar, não um diagnóstico.
- Reúna seus dados em um só lugar. Se você tem resultados de vários anos, isso é ouro. Muitos dos sinais mais importantes estão nas tendências, não nos valores absolutos.
- Use uma ferramenta que não perca dados. Pode ser um serviço especializado, ou uma planilha estruturada — o que importa é que nenhum número fique de fora.
- Procure síndromes, não números isolados. Glicose + HbA1c + triglicerídeos + HDL, juntos, dizem muito mais sobre o metabolismo do que qualquer valor sozinho.
- Identifique o especialista certo. Muitas vezes, o maior ganho de uma boa interpretação dos exames é saber se você deve procurar um clínico geral, um endocrinologista ou um hematologista. Isso economiza semanas de nervosismo e dinheiro.
- Chegue preparado à consulta. Formule perguntas específicas. É mais fácil para o médico responder a “será que meu TSH combinado com este T4 livre sugere um hipotireoidismo subclínico?” do que a “por favor, conserte esses números ruins”.
Quando o ChatGPT é realmente útil no contexto médico
Não quero que este artigo pareça unilateral. Os LLMs de uso geral são realmente úteis na medicina — só que não onde são mais usados. Alguns cenários em que eu mesmo os uso:
- Explicação de termos. O que é a VHS, a diferença entre bilirrubina direta e indireta, o que significa “eosinofilia” — o ChatGPT explica conceitos com clareza.
- Tradução de laudos médicos de outros idiomas, com notas de contexto.
- Elaboração de uma lista de perguntas para o médico, com base nos sintomas e no contexto geral.
- Orientação em uma área desconhecida da medicina — descobrir que existe determinada especialidade, como são as abordagens de tratamento, quais palavras-chave usar para se aprofundar.
- Ajuda para ler artigos científicos, quando você já está se aprofundando em um tema.
O que ele faz mal: interpretar valores específicos de exames, diagnosticar, avaliar a evolução ao longo de várias consultas e recomendar medicamentos. Tudo isso é questão de precisão dos dados, não de explicação de conceitos. O famoso estudo de Kung et al. (2023, PLOS Digital Health) — aquele em que “o ChatGPT passou no USMLE” — na verdade relatou um desempenho no limite (cerca de 60%), e os próprios autores ressaltam que responder a questões de vinheta clínica não é o mesmo que raciocínio clínico. Uma IA pode raciocinar como um clínico; ela não carrega a responsabilidade de um clínico. São coisas diferentes.
Mini-FAQ
Uma IA médica especializada ainda pode errar? Pode. Qualquer IA é uma ferramenta de apoio à decisão, não um oráculo. Mas, num sistema bem projetado, a chance de ela deixar passar um valor do seu laudo ou inventar um diagnóstico inexistente é reduzida ao mínimo por meio de parsing rigoroso e de uma recuperação limitada pelas diretrizes clínicas.
Para que preciso de uma IA se o meu médico vai revisar os exames mesmo assim? Para você chegar com dados estruturados e perguntas concretas. O tempo de consulta é limitado, e se os primeiros 15 minutos vão para transcrever seus números, quase não sobra tempo para a análise.
Quantos marcadores o Wizey consegue analisar de uma vez? Na prática real, 100+ por visita. Bioquímica, hormônios, hemograma, coagulação e perfil lipídico, tudo junto. O módulo analítico procura relações entre todos os grupos em paralelo, sem deixar nenhum número de fora.
Posso enviar exames antigos, de vários anos atrás? É a coisa mais útil que você pode fazer. Medicina é questão de dinâmica. Ninguém consegue guardar centenas de números de cinco anos na cabeça; um bom serviço monta as tendências na hora.
Se eu sou um usuário avançado — posso usar o ChatGPT para os exames? Pode, mas com cuidado. Lembre-se do Lost in the Middle e das alucinações, confira os limites numéricos com fontes de referência e não envie documentos sensíveis em um plano de consumidor sem entender a política de privacidade.
Conclusão
A IA mudou a forma como lidamos com a nossa própria saúde e, no geral, isso é bom. Mas um modelo de linguagem de uso geral e uma IA médica especializada são duas ferramentas diferentes. Em termos de arquitetura, são igualmente “inteligentes”, mas foram construídas para tarefas diferentes.
Se você quer experimentar uma ferramenta pensada especificamente para a interpretação de exames — uma que leva a sério tudo o que descrevi acima —, foi exatamente para isso que criamos o Wizey. Sem promessas de “curar” nada. Apenas a garantia de que nenhum número do seu laudo será perdido, e de que qualquer conclusão que ele apresentar poderá ser levada de volta ao seu médico com confiança.
